张小明
前端开发工程师
很多团队谈Clean Core的时候，容易把它简化成一句话：扩展都放到 BTP 上就对了。这句话在一些场景里确实有效，但如果把它当成唯一答案，就会错过ABAP Cloud带来的关键变化：Clean Core 是一套可治理的扩展方法论，而不是一条强制的部署路径。BTP很重要，但它不是 Clean Core 的唯一入口；在合适的边界内，On-Stack（在 SAP S/4HANA 系统内）同样可以做到 Clean Core 合规，尤其当你用的是ABAP Cloud的开发模型与公开稳定接口。(SAP News Center)
下面这篇文章，会把 Clean Core 的核心目标、ABAP Cloud的位置、以及最落地的选型问题讲透：你的扩展到底应该放在On-Stack，还是放在Side-by-Side。同时我会加入一些真实项目里常见的案例，让抽象的规则变成可执行的决策。
RaNER模型训练原理揭秘：从BERT到中文实体识别进阶之路 1. 技术背景与问题提出 命名实体识别（Named Entity Recognition, NER）是自然语言处理中的一项基础任务，其目标是从非结构化文本中自动识别出具有特定意义的实体，…
李华
AI实体侦测服务：RaNER模型负载均衡策略 1. 引言：AI 智能实体侦测服务的工程挑战 随着自然语言处理技术在信息抽取领域的广泛应用，命名实体识别（Named Entity Recognition, NER）已成为智能内容分析的核心能力之一。尤…
李华
AI智能实体侦测服务多轮迭代优化：用户反馈驱动改进实录 1. 背景与问题提出 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体内容、企业文档）呈指数级增长。如何从这些海量文本中快速提取关键信息，成为自然语言处…
李华
在电子制造业，我们常常执著于设计、元器件和焊接工艺，却容易忽视另一个隐形的“问题”——离子污染。这些肉眼不可见的残留物，如同潜伏在电路板上的慢性毒药，悄然侵蚀着产品，影响长期可靠性，导致漏电、腐蚀…
李华
实体识别服务开发：RaNER模型与微服务架构 1. 引言：AI 智能实体侦测服务的工程价值 在信息爆炸的时代，非结构化文本数据（如新闻、社交媒体、文档）占据了企业数据总量的80%以上。如何从中高效提取关键信息，…
李华
Linux小白必看：Qwen2.5云端免命令部署方案 引言：为什么选择Qwen2.5云端部署？ 对于Windows用户来说，在Linux环境下部署AI模型常常让人望而生畏——命令行操作、环境配置、依赖安装等步骤就像一道道门槛。但现在，通过带…
李华